缓存穿透、击穿与雪崩:三类 Redis 缓存问题一次讲清
缓存几乎是每个后端系统都会用到的加速手段:把热点数据放在内存里,读请求先查缓存,命中就直接返回,数据库的压力立刻小了一大截。但缓存用得久了就会发现,它并不是“加了就万事大吉”。请求量一大,三类典型问题会轮番出现:缓存穿透、缓存击穿和缓存雪崩。名字很像,成因和解法却各不相同,混在一起处理往往适得其反。
一、缓存穿透:查不到的数据反复打到数据库
缓存穿透指的是,请求要查询的数据既不在缓存里,也压根不存在于数据库中。于是每次请求都会“穿透”缓存,直接落到数据库上。如果这类请求量还不小,数据库就会被大量无意义的查询拖垮。常见的来源有两种:一种是业务上的正常情况,比如用户反复查询一个已经下架或从未存在过的商品编号;另一种是恶意请求,有人刻意用不存在的编号批量刷接口。
应对穿透,最常用的一招是缓存空值:当数据库确认某条数据不存在时,也往缓存里写一个特殊的空值,并设置一个比较短的过期时间,例如几分钟。这样同样的查询在过期时间内会直接命中空值缓存,不再访问数据库。需要注意的是,空值缓存本身占用内存,也可能让短时间内新增的真实数据短暂不可见,所以过期时间不宜太长。
另一招是布隆过滤器:在访问缓存之前,先用布隆过滤器判断这个编号有没有可能存在。它由一组位数组与多个哈希函数构成,判断“不存在”时是百分之百准确的,判断“存在”时存在很低的误判率,且误判只会让请求多走一次数据库,不会影响正确性。适合数据量大、编号空间明确的场景。入口处必要的参数校验也不能省,非法的编号在网关或接口层就直接拦截。
二、缓存击穿:热点数据过期瞬间的集中冲击
如果说穿透是“不存在的数据被反复查”,击穿则是“存在的数据因为过期被集中查”。某个热点数据的缓存恰好过期,恰好这时又有大量并发请求涌进来,请求发现缓存没有,就一起去查数据库、重建缓存。数据库瞬间扛下全部读压力,响应变慢又会导致更多请求堆积。
解法首先是互斥锁:只允许第一个请求去数据库查询并回填缓存,其他请求等待一小会儿后,直接读已被回填的缓存。锁的粒度要尽量小,只锁住这一个缓存键,同时设置较短的锁超时,防止持有锁的线程异常退出后,其他请求一直等下去。
另一个思路是让热点数据不走“到点同时过期”的路子:可以给热点键一个很长的过期时间,或者干脆不设过期时间,由后台任务定时刷新;如果业务上必须有过期时间,也可以把不同键的过期时间打散,避免大量键在同一时刻集体失效。
三、缓存雪崩:大面积缓存同时失效
雪崩是击穿的放大版。大量缓存键在同一时间窗口内集体过期,或者缓存服务本身突然不可用,全部读请求都涌向数据库,数据库扛不住就会影响整条链路。雪崩和击穿的区别在于影响面:击穿往往只是个别热点键,雪崩是大规模、系统性的失效。
应对雪崩,关键是把失效时间错开:给每个缓存键的过期时间加上一个随机值,让过期时刻分布在一段时间里,而不是整齐划一地集中在某一点。服务层面则要做高可用,用主从或集群部署保证缓存层本身不单点故障;同时可以在缓存前面加一层本地缓存作为兜底,即使分布式缓存短暂不可用,也能挡住一部分读请求。最后还要依赖限流和熔断:并发超过阈值就快速失败并返回友好提示,保护数据库不被打垮。
四、把三者串起来的防御思路
从实践上看,三类问题的防御可以按请求链路分层理解:入口层做参数校验和限流,把明显非法或超量的请求挡在外面;缓存层用空值缓存、布隆过滤器、互斥锁和打散过期时间,让请求尽量在缓存内解决;数据库层面则保留合理的治理能力,比如适当降级、熔断,必要时做扩容。没有哪一种手段能单独解决所有问题,组合起来才有效。
小结:缓存穿透、击穿、雪崩,本质上都是缓存“挡不住、扛不住”的时刻。穿透盯着不存在的数据,要用空值缓存和布隆过滤器拦截;击穿盯着热点数据过期的瞬间,要用互斥锁和错峰过期缓释;雪崩是系统性的大面积失效,要靠随机过期、多级缓存与熔断限流兜底。理解三者的区别,再根据自己系统的访问特征选择组合方案,缓存才能真正成为系统的加速器,而不是新的故障源。
- 点赞
- 收藏
- 关注作者
评论(0)